Title: Aspects statistiques des essais cliniques
1Aspects statistiques des essais cliniques
2Plan du cours
- Introduction
- Techniques statistiques pour le calcul du nombre
de sujets - Randomisation
- Principes de lanalyse statistique
3Introduction (1)
- Justification de lessai thérapeutique
- Pas dessai si traitement 100 efficace
- Problèmes dinterprétations des études non
comparatives - Impression fausse sur la valeur du nouveau
traitement - Sélection des patients par rapport à la pratique
courante
4Introduction (2)
- Justification de la randomisation
- Assurer des groupes comparables
- Application des tests classiques et jugement de
signification - Différence entre les groupes due au traitement
5Introduction (3)
- Maintenir la comparabilité tout au long de
lessai - Simple aveugle le groupe de traitement est
inconnu du patient - Double aveugle le patient et linvestigateur
nont pas connaissance du groupe de traitement - Eviter un comportement différent en fonction des
groupes de traitement - Concerne lensemble du project team
6Techniques statistiques pour le calcul du nombre
de sujets (1)
- Raisonnement en 3 questions
- Quel est lobjectif principal de lessai?
- Quelle est la principale mesure du critère de
jugement? - Comment seront analysées les données pour
détecter une différence?
7Techniques statistiques pour le calcul du nombre
de sujets (2)
- Quelle est la plus petite différence à ne pas
manquer et avec quel degré derreur possible? - Diminution de lincidence de la maladie de moitié
- Jugement clinique vs statistique
- Détection de la différence par le test dans 90
des cas
8Techniques statistiques pour le calcul du nombre
de sujets (3)
- Méthode statistique pour un critère de jugement
qualitatif - Exemple décés/survie, paludisme/pas paludisme
- p1 de succés espéré avec le traitement
standard - p2 de succés espéré avec le nouveau
traitement - a Erreur de type I
- 1 ß puissance de détecter la différence p1 -
p2 - n
- Avec f(a, ß)(ea/2 eß)
9Techniques statistiques pour le calcul du nombre
de sujets (4)
- Non-compliance et arrêts prématurés
- q1 darrêts avec le traitement standard
- q2 darrêts avec le nouveau traitement
- Hypothèse les non compliants se comportent comme
les autres sujets - Facteur daccroissement du nombre de sujet
- 1/(1 q1 q2)2
10Techniques statistiques pour le calcul du nombre
de sujets (5)
- Exemple diminution de la parasitémie après un
jour de traitement - p1 29 avec le traitement standard
- p2 59 avec le nouveau traitement
- a 5, 1 ß 80
- q1 q2 10
- Nombre de sujet nécéssaire pour chaque groupe?
11Techniques statistiques pour le calcul du nombre
de sujets (6)
- Méthode statistique pour un critère de jugement
quantitatif - Exemple taux de CD4, parasitémie à Pf
- µ1 moyenne attendue avec le traitement standard
- µ2 moyenne attendue avec le nouveau traitement
- s écart-type attendu identique pour les deux
traitements - d µ2 - µ1 différence à détecter
- a Erreur de type I, pour un test t bilatéral
- 1 ß puissance de détecter la différence d
µ2 - µ1
12Techniques statistiques pour le calcul du nombre
de sujets (7)
- Exemple prévention de lhypocalcémie néonatale
chez la femme enceinte, vit. D vs placebo - Critère calcémie chez lenfant âgé dune semaine
- µ1 9 mg/100ml en routine chez enfants de femme
non traitées - µ2 9,5 mg/100ml avec la vitamine D
- s 1,8 mg/100ml
- a 0,05
- 1 ß 0,95
- Nombre de sujets nécéssaire dans chaque groupe?
13Techniques statistiques pour le calcul du nombre
de sujets (8)
- Méthode statistique pour les données de survie
- Exemple survie, probabilité de ne pas faire un
épisode fébrile - p1 probabilité de survie instantanée avec le
traitement standard - p2 probabilité de survie instantanée avec le
nouveau traitement - Hypothèse p2 gt p1
- Ratio des risques de décès instantanés
- Nombre total dévénements avec chaque traitement
- (pour un test de Logrank au seuil a, avec une
puissance 1 ß) - Nombre de sujet par groupe
14Techniques statistiques pour le calcul du nombre
de sujets (9)
- Exemple
- p1 55 avec le traitement standard
- p2 75 avec le nouveau traitement
- a 0,05
- 1 ß 0,95
- Nombre de sujet par groupe?
15Techniques statistiques pour le calcul du nombre
de sujets (10)
- Méthodes statistiques pour un essai déquivalence
- Traitements équivalents avec une probabilité 1 -
ß - p pourcentage de succès attendu
- d limite supérieure de lIC de la différence de
pourcentages dans les 2 groupes - Nombre de sujets par groupe
16Techniques statistiques pour le calcul du nombre
de sujets (11)
- Exemple
- p 70 de succès attendu
- d 10 avec un IC95
- a 0,05
- 1 ß 0,90
- Nombre de sujet par groupe?
17Randomisation (1)
- But attribuer les traitements à lessai au
hasard pour éviter un déséquilibre dans les
caractéristiques des patients entre les groupes.
On contrôle lenvirronement de lessai de manière
à attribuer la différence attendue au nouveau
traitement. - Méthode tirage au sort réalisé à partir de
tables de nombre au hasard
18Randomisation (2)
- Randomisation simple (1) Allouer à chaque
traitement un nombre équivalent de chiffres - Avantages imprévisible, égalisation du nombre de
patients dans chaque groupe lorsque n augmente
(gt200) - Inconvénients groupes inégaux, p.ex. 5 de
chance davoir 4060 pour n100 ! - Comment y remédier?
- refaire le tirage au sort jusquà obtention de
groupes équilibrés (2 à 3 tirages) en spécifiant
à lavance la différence de patients qui conduira
à remplacer la liste
19Randomisation (3)
- Randomisation simple (2) randomisation
équilibrée par blocs - Assure une randomisation équilibrée à certains
points dattribution du traitement (blocs) - 2 traitements, Blocs de 2 0-4AB5-9BA
- Blocs de 4 1AABB 2ABAB 3ABBA 4BBAA
5BABA 6BAAB - 3 traitements, blocs de 3 ?
20Randomisation (4)
- Randomisation simple (3) randomisation
équilibrée par blocs - Taille des blocs dépend du nombre de
traitements, de sujets, dune stratification et
de la taille des strates - Inconvénient plus les blocs sont petits plus il
est facile de prédire le traitement suivant - Choisir des blocs de grande taille lorsque pas de
stratification - Faire varier la taille des blocs et ne pas
indiquer le mode de randomisation dans le
protocole
21Randomisation (5)
- Randomisation stratifiée (1) distribution de
facteurs importants similaire dans les groupes - Ne pas utiliser lorsque ngt400-500, pas danalyse
intermédiaire, difficile à organiser, facteurs
mal connus ou indisponibles - Étude préalable pour déterminer les facteurs
importants - Limiter le nombre de facteurs
22Randomisation (6)
- Randomisation stratifiée (2) randomisation par
bloc dans chaque strate - Liste de randomisation séparée pour chaque strate
- P.ex. dysfonction érectile et traitement par
viagra facteurs age strates en fonction du
nombre de classes dâge - Taille des blocs relativement petite
- Nombre de strates peut augmenter très vite
risque de surstratification (strates vides)
23Randomisation (7)
- Randomisation stratifiée (2) minimisation
- Équilibrer les totaux marginaux pour chaque
niveau de chaque facteur pronostique on fait le
total de patient dans chaque combinaison dun des
niveaux choisi des facteurs et le prochain
patient est attribué à la strate la plus faible - Si les combinaisons sont égales, randomisation
simple - En pratique, une carte par catégorie, mise à jour
après chaque nouveau patient (informatisation)
24Randomisation (8)
- Essais multicentriques strate centre
- Préparer les listes de randomisation à lavance
- Codes sous enveloppe scellée
- Randomisation centralisée par téléphone, fax,
minitel voire internet
25Analyse statistique (1)
- Importance de la qualité des données
- Planification dés la rédaction du protocole
- Equilibre entre rigidité de la planification et
flexibilité au moment de lanalyse - Prévoir des moyens suffisants (GCP)
- Analyse descriptive
- Analyse statistique des critères de jugement
26Analyse statistique (2) Analyse descriptive
- Populations
- Nombre de patients recrutés
- Nombre de patients inclus
- Nombre de sorties dessai prématurées
- Population en intention de traiter
- Nombre de déviations au protocole
- Population per protocole
- Population des Completers
27Analyse statistique (3) Analyse descriptive
- Patients éligibles non inclus dans lessai
- Proportion potentiellement importante entrainant
un biais de sélection - Problème des petits centres dans les essais
multicentriques - Intérêt des registres des patients éligibles mais
difficile à mettre en place - Encourager les investigateurs à inclure tous les
patients éligibles
28Analyse statistique (4) Analyse descriptive
- Déviations au protocole patients inclus à tord
- Irrespect des critères dinclusion et
dexclusion Profil des patients de lessai
modifié si les critères sont importants
(déviations graves) - Défaut dorganisation de lessai si élevé
(gt10) minimiser ce nombre au cours de lessai - Détecter les inclus à tord avant la connaissance
de la réponse au traitement
29Analyse statistique (5) Analyse descriptive
- Déviations au protocole patients inclus à tord
- Planifier linclusion de ces patients dans
lanalyse en insu du traitement - Ne pas inclure si objectif spécifique à un profil
de patients - Inclure si même scénario en pratique courante
- Inclure si biais de sélection potentiel dû à un
choix subjectifs de ces patients - En pratique ITT et PerPro
30Analyse statistique (6) Analyse descriptive
- Déviations au protocole Au cours de lessai
- Se donner les moyens de les repérer et den
décrire les raisons - Comprendre en quoi elles peuvent affecter les
résultats - Ne pas avoir lespoir que lanalyse statistique
rattrape le problème - Indicateur de la qualité de lessai ou de son
intérêt - Non-compliance, suivi incomplet
31Analyse statistique (7) Analyse descriptive
- Déviations au protocole Non compliance
- Non coopération/compréhension par le patient
- Survenue deffets indésirables ou évolution de la
maladie - Prévention par information complète et
consentement à participer, encouragement du
personnel et suivis rapprochés - Contrôle par les comptes des comprimés rapportés,
les marqueurs dans les prélèvements sanguins ou
urinaires - Suivi et motivation du patient jusquà la fin de
lessai
32Analyse statistique (8) Analyse descriptive
- Déviations au protocole Refus de poursuivre
- Refus émanant du patient ou du médecin (jugement
clinique) - Raisons non médicales souvent liées à une
mauvaise réponse au traitement - Perdus de vue données manquantes sur le critère
de jugement dont on peut faire lhypothèse
quelles surviennent au hasard
33Analyse statistique (9) Analyse descriptive
- Déviations au protocole Analyse descriptive
- Description par groupe de traitement (nb et
raison) - Population en intention de traiter prise en
compte des patients inclus dans le groupe où ils
ont été randomisés - Que faire des patients qui nont jamais pris le
traitement - Population per protocole patients sans
déviations majeures au protocole
34Analyse statistique (9) Analyse descriptive
- Exemple danalyse sans les patients avec une
déviation au protocole
Traitement A Traitement B Combinaison
Très efficace 2 6 8
Efficace 4 8 2
Inefficace 3 0 2
Total évalués 9 14 12
Déviants 6 1 8
Total randomisés 15 15 20
35Analyse statistique (10) Analyse descriptive
- Événements indésirables
- Événement non souhaité survenant au cours de
lessai - Événement indésirable grave entraine le décés,
menace le pronostic vital ou nécéssite
lhospitalisation ou la prolongation de
lhospitalisation - Codage des EIs pdt lessai à laide de
dictionnaire spécialisés MEDDRA, WHO-AE, - Tabulations des fréquences dEis, comparaison des
Eis les plus fréquents entre les groupes
36Analyse statistique (10) Analyse descriptive
- Types de données recueillies
- Groupes de traitement
- Critères de jugement quantitatifs, qualitatifs
ou délais - Facteurs pronostiques mesurés à linclusion
(caractéristiques des patients à linclusion)
37Analyse statistique (11) Analyse descriptive
- Types de données recueillies Caractéristiques
des patients à linclusion - Vérification quil ny a pas de différence
majeure entre les groupes de traitement - En principe, but de la randomisation
- Premier tableau de résultats dans une publication
- Inclus lhistoire médicale des patients et les
traitements pris antérieurement
38Analyse statistique (12) Analyse descriptive
- Types de données recueillies critère de jugement
binaire - VIH succés absence dévénement classant SIDA
pendant au moins 6 mois - Paludisme succés charge parasitaire inférieure
de 75 à 28 jours - Tuberculose succés diminution de plus de 70
des lésions à la radio au bout de 3 mois
39Analyse statistique (13) Analyse descriptive
- Types de données recueillies critère de jugement
ordinal - Paludisme réponse complète, partielle ou pas de
réponse au traitement en fonction dune charge
parasitaire inférieure de 75, 25-75 et 0-25 à
28 jours - Lymphomes non hodgkiniens Rémission totale,
rémission partielle, pas de changement,
augmentation
40Analyse statistique (14) Analyse descriptive
- Types de données recueillies critère de jugement
qualitatif
Traitement Placebo Total
Réponse complète 48 (44) 15 (14) 63 (28)
Réponse partielle 40 (36) 25 (22) 65 (29)
Pas de réponse 22 (20) 72 (64) 94 (43)
Total 110 (49) 112 (51) 222(100)
41Analyse statistique (15) Analyse descriptive
- Types de données recueillies critère de jugement
quantitatif - Information plus précise quune variable
qualitative - Evaluation du changement dû au traitement lorsque
une mesure est faite avant traitement ex. TA - Différence absolue TA avant TA après
- Ratio TA après/TA avant
- Différence relative ( changement) (TA après
TA avant)/TA avantx100 - Mesures répétées TA avant, TA à t1, TA à t2,
42Analyse statistique (16) Analyse descriptive
- Types de données recueillies critère de jugement
quantitatif - Vérification individuelle, distribution totale
(min, max, médiane, étendue) - Ex. Hypocalcémie et supplémentation en vitamine D
- Utilisation de graphiques Histogrammes,
fréquences cumulées
Calcium plasmatique chez les enfants de 6 jours (mg/100ml) Calcium plasmatique chez les enfants de 6 jours (mg/100ml) Calcium plasmatique chez les enfants de 6 jours (mg/100ml)
Traitement Nb patients Moyenne Ecart-type
Vitamine D 233 9,36 1,15
Témoin 394 9,01 1,33
43Analyse statistique (17) Analyse descriptive
- Types de données recueillies critère de jugement
en délai - Exemple délai de survie sous traitement ou
jusquà événement - Probabilité de survie à 6 mois, 1an,
- Médiane de survie
- Courbe de survie (Kaplan-Meier)
44Analyse statistique (18) Analyse des critères
de jugement
- Analyse simple critère de jugement qualitatif
- Variable binaire comparaison de pourcentages
avec un risque relatif, le test du chi2 - Variable ordinale comparaison de tendances avec
un risque relatif par rapport à une catégorie, un
test du chi2 ou un test de tendance (chi2
dArmitage) - Préciser quels pourcentages sont comparés
- Préciser les intervalles de confiances des
pourcentages et des risques relatifs
45Analyse statistique (18) Analyse des critères
de jugement
- Analyse simple critère de jugement quantitatif
- Comparaison de 2 moyennes valeur absolue,
différence (absolue ou relative) de moyennes et
test de student - Comparaison de plusieurs moyennes différence de
moyennes en choisissant une catégorie de
référence et test de student - Comparaison de 2 distributions médianes et test
des rang de wilcoxon - Préciser la moyenne et lécart-type ou la médiane
et quartiles - Préciser lintervalle de confiance de la moyenne
et de la différence de moyenne
46Analyse statistique (19) Analyse des critères
de jugement
- Analyse simple critère de jugement en délai
- Comparaison de deux courbes de survie risque
relatif et test du logrank - Comparaison de plusieurs courbes de survie
risque relatif en choisissant une catégorie de
référence et test du logrank
47Analyse statistique (20) Analyse des critères
de jugement
- Analyse simple interprétation
- Seuil de signification / degré de signification
- Jugement statistique / jugement clinique
- Différence statistiquement significative hasard,
biais ou traitement ? - Intervalle de confiance du risque relatif
quantifie en quoi les traitements sont différents
et donne une idée de la précision de lestimation
48Analyse statistique (21) Analyse des critères
de jugement
- Analyse complexes Prise en compte de facteurs
pronostiques - Analyse en sous-groupes stratification mais
difficulté dinterprétation surtout si beaucoup
de facteurs - Ajustement par la prise en compte des facteurs
pronostiques pas deffet de lajustement si pas
de différence initiale - Méthodes régression logistique, régression
linéaire, modèle de Cox
49Analyse statistique (22) Analyse des critères
de jugement
- Analyse complexes plus de 2 groupes de
traitement - Comparaison par rapport à un groupe de référence
- Comparaison globale test de tendance (v. qual.),
analyse de variance (v. quant.) - Inconvénients
- si différence significative, quel est le meilleur
traitement? Contrastes en anova - Manque de puissance pour mettre en évidence une
différence
50Analyse statistique (23) Analyse des critères
de jugement
- Analyse complexes plusieurs critères de jugement
- Intérêt pour efficacité et tolérance par exemple
- Correction du p pour tenir compte de la
multiplicité des tests statistiques - Importance relative des critères
- Réduire le nombre de mesures
- Prioriser les critères de jugement, choisir un
principal - Combiner les critères en un score
51Analyse statistique (24) Analyse des critères
de jugement
- Analyse complexes mesures répétées
- Tests répétés pour comparer les deux groupes à
plusieurs temps - Comparer la mesures initiale et la mesure finale
pour les deux groupes de traitement - Pour la mesure finale, prendre la moyenne entre
avant dernière mesure et dernière mesure pour
tenir compte de la variabilité inter-individuelle - Prendre la moyenne de toutes les mesures à la
place de la mesure finale - Comparer lévolution de la mesure entre les deux
groupes (analyse longitudinale avec GEE ou random
coefficient analysis) - Lanalyse dépend de la question posée
52Analyse statistique (25) Analyse des critères
de jugement
- Analyse complexes analyse intermédiaire (1)
- Idée éthique un patient inclus dans un essai ne
peut recevoir un traitement connu pour être
inférieur - Inutile de poursuivre leffort dun essai si les
résultat sont en faveur dune différence claire - Prévoir à lavance lanalyse intermédiaire
- Critère de jugement à court ou moyen terme
- Qualité des données
53Analyse statistique (26) Analyse des critères
de jugement
- Analyse complexes analyse intermédiaire (2)
- La décision pour lessai nest pas seulement
basée sur des résultats de tests statistiques - Confidentialité des résultats tant que lessai se
poursuit (analyse par un statisticien
indépendant) - Rester dans la limite des analyses simples
- Fréquence dépend du taux dinclusion, incidence
du critère de jugement, fréquence des réunion
avec les investigateurs - Règle darrêt préserver un seuil global à 5, le
seuil pour chaque analyse doit être divisé parle
nombre total danalyse - Taille de lessai
54Analyse statistique (27) Analyse des critères
de jugement
- Analyse complexes essai en cross-over (1)
- Principe séries appariées, le sujet est son
propre témoin - Comparaison intra-patient de chaque séquence
- Test dun effet période
- Test dune interaction traitement période
55Analyse statistique (28) Analyse des critères
de jugement
- Ex. randomisation de 109 patients pour 2
antihypertenseurs - 55 reçoivent A pdt 4 semaines puis B pdt 4
semaines - 54 reçoivent B pdt 4 semaines puis A pdt 4
semaines - Différence de TA systolique après un exercice de
5 minutes?
56Analyse statistique (29) Analyse des critères
de jugement
- Analyse complexes essai en cross-over (2)
- Comparaison intra-patient de chaque séquence
- Différence dTAS après A TAS après B
- Différence moyenne3,9 mmHg, ET
différence1,7mmHg - IC950,6 7,3 mmHg
- Test t3,9/1,72,4 ddl109-1108 p0,02
- Conclusion la TAS reste significativement plus
élevée après exercice physique avec A plutôt que
B - Hyp. pas deffet période, ni dinteraction
traitement période
57Analyse statistique (30) Analyse des critères
de jugement
- Analyse complexes essai en cross-over (3)
- Test dun effet période (1) comparaison des
différence de moyenne pour les 2 ordres
possibles - Différence moyenne AB5,1 BA2,8
- Ecart-type AB15,3 BA19,5
- Effet période moyen (5,1 2,8)/21,1 mmHG plus
élevé au cours de la première période - Test
58Analyse statistique (31) Analyse des critères
de jugement
- Analyse complexes essai en cross-over (3)
- Test dun effet période (2) comparaison des
différence de moyenne pour les 2 ordres
possibles - Test non significatif pas deffet période
- Avec d3,9 mmHg, t2,3 et p0,02 présence dun
effet période
59Analyse statistique (32) Analyse des critères
de jugement
- Analyse complexes essai en cross-over (3)
- Test de linteraction traitement période (1)
- Moyenne individuelle m(TAS après A TAS après
B)/2 - Moyenne de m AB180,2 BA176,3
- Ecart-type de m AB26,3 BA26,6
- Test
60Analyse statistique (33) Analyse des critères
de jugement
- Analyse complexes essai en cross-over (3)
- Test de linteraction traitement période (2)
- Test non significatif pas dinteraction
traitement période - Manque de puissance
- Si il avait été significatif on aurait pu en
déduire un effet de la première période se
prolongeant sur la seconde, et dons nutiliser
que la comparaison enrte sujets de la première
période
61Conclusion
- Lanalyse dun essai est simple ne pas oublier
de répondre à la question posée - Lanalyse dun essai est riche
- Les données recueillies sont multiples
- Les critères de jugement peuvent être multiples
- Analyses en sous-groupes
- La plus grande difficulté linterprétation des
résultats
62Références
- Essais thérapeutiques (module CL1) DEA
épidémiologie et intervention en santé
publique université victor segalen bordeaux 2 - Michel Cucherat, Méthodologie et interprétation
des essais thérapeutiques Université claude
bernard Lyon 1, service de biostatistique
http//www.spc.univ-lyon1.fr/polycop/ - Paul Landais, Jean-Philippe Jais, Biostatistiques
clinique, épidémiologie et essais cliniques
Faculté de medecine Necker-enfants malades
http//www.educ.necker.fr/cours/poly/biostatistiqu
e/FACULTE_DE_MEDECINE-NECKER_ENFANTS_MALADES.htm - Philippe lechat, Pharmacologie CHU pitié
salpétrière, service de pharmacologie
http//www.chups.jussieu.fr/polys/pharmaco/poly/ind
ex.html